基于小样本分类的光谱图像关联特征降维挖掘

摘要：

光谱图像包含较多的空间样本信息,混合像元问题严重,同物异谱间影响明显,相邻波段的强相关性也导致图像高维特征易出现冗余,直接影响图像关联特征挖掘效果.为此,提出基于小样本分类的光谱图像关联特征挖掘方法.采用蒙特卡罗算法对光谱图像降维,并结合稀疏与低秩矩阵分解方法完成光谱图像去噪;基于此,建立光谱图像灰度共生矩阵,提取光谱图像角二阶矩、相关性、对比度、熵、相异性以及逆差矩光谱关联特征;通过支持向量机对获取的关联特征完成光谱图像的小样本分类,完成光谱图像的关联特征挖掘.实验结果表明,研究方法的光谱图像特征挖掘错误率低于 2%,同类特征可显著聚类成团,且图像去噪效果明显.

关键词：小样本分类、光谱图像、关联特征挖掘、图像去噪、蒙特卡罗算法

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：河南省教育厅品牌专业建设项目ZLG201903

在线出版日期：2023-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：240-244